支持深度学习的MXene光催化剂的高通量选,用于生产气
Kan Tang1, Shengxian Liu1, Jian Zhou1
1School of Materials Science and Engineering, Beihang University, Beijing 100191, China. jzhou@buaa.edu.cn.
Nanoscale
|September 9, 2025
概括
深度学习加速了用于光催化生产的新型MXenes的发现. 这种方法确定了14个有前途的候选人,克服了传统选方法的成本限制,以有效地将太阳能转化为.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 可再生能源是可再生能源的来源.
背景情况:
- 光催化生产对于清洁能源至关重要.
- 由于高电荷移动性和光吸收,MXenes显示出有希望的结果.
- 高通量选是有效的,但对于MXene发现来说是昂贵的.
研究的目的:
- 开发一种具有成本效益的,支持深度学习的高通量选方法,用于识别用于光催化水分裂的MXenes.
- 预测大量MXenes的特性并评估其光催化潜力.
- 为设计高效的二维光催化剂建立描述符.
主要方法:
- 开发了一个在C2DB数据库上训练的深度学习框架,用于预测MXene属性.
- 用密度函数理论和非adiabatic分子动力学进行详细的计算.
- 采用符号回归来确定光催化性能的关键描述符.
主要成果:
- 选了23,857个MXenes,确定了14个稳定的候选者,具有适合水分的波段对齐.
- 在预测形成能量 (0.06 eV/原子),凸船体能量 (0.06 eV/原子) 和带隙 (0.14 eV) 中实现了低平均绝对误差.
- 确定了与太阳能与效率,光吸收和载体分离相关的描述符;由于内置电场,Janus MXenes显示抑制了重组.
结论:
- 深度学习方法为发现二维光催化剂提供了一种高效的计算策略.
- 确定了有前途的MXene候选物和用于生产的高性能光催化剂的设计原则.
- 证明了Janus MXenes在通过载体分离提高光催化效率方面的潜力.
更多相关视频
09:22Synthesis and Performance Evaluations of ZnCoS/ZnCdS with Twin Crystal Structure for Multifunctional Redox Photocatalysis in Energy Applications
Published on: July 25, 2025
620
10:15Solar-Driven Electrochemical Green Fuel Production from CO2 and Water Using Ti3C2Tx MXene-Supported CuZn and NiCo Catalysts
Published on: November 7, 2025
356
